-
公开(公告)号：CN119864169A
公开(公告)日：2025-04-22
申请号：CN202411996203.0
申请日：2024-12-31
Abstract: 本发明属胰岛素泵组健康状态监测领域，具体涉及一种基于数字孪生的胰岛素泵组健康状态监测方法，采用包含有数据集单元、机理模型集单元、数字孪生模型集成单元、数字孪生模型一致性评价单元、胰岛素泵组故障监测单元的检测系统；通过层次化数字孪生构建框架，基于胰岛素泵组实体与人体血糖机理映射的虚拟模型与历史监测数据构建出高保真血糖调控数字孪生模型，通过高保真数字孪生模型结合实时血糖监测数据，监测胰岛素泵组的健康状态。
-
公开(公告)号：CN119359637A
公开(公告)日：2025-01-24
申请号：CN202411366758.7
申请日：2024-09-29
Applicant: 华中科技大学
IPC: G06T7/00 , G06T7/136 , G06V10/52 , G06V10/75 , G06V10/774 , G06V10/54 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明属于图像处理相关技术领域，并公开了一种基于记忆力辅助蒸馏网络的纹理表面缺陷检测方法及系统。该方法包括下列步骤：获取多张待处理样本无缺陷图像，获取每张图像的多尺度特征和全局记忆力模板；将该全局记忆力模板和每张图像的多尺度特征进行特征融合，形成融合特征；以学生解码器对融合特征进行解码获得多尺度解码特征，以此训练获得最优的学生解码器；将待处理图像分别输入教师编码器和最优的学生解码器中获得多尺度特征和多尺度解码特征，计算异常分数图并进行图像处理陷图像，以此实现缺陷检测。通过本发明，实现在仅使用正常样本的情况下精确检测复杂工业环境下的各类纹理缺陷。
-
公开(公告)号：CN117974886A
公开(公告)日：2024-05-03
申请号：CN202311855652.9
申请日：2023-12-29
Applicant: 华中科技大学
IPC: G06T17/00 , G06T3/4053 , G06T3/4046 , G06N3/0455 , G06N3/08
Abstract: 本发明属于超分辨率重建领域，具体涉及一种基于Transformer网络的三维流场超分辨率重建方法。模型中，浅层特征提取模块用于进行初步特征提取；深层特征提取模块以Swin‑Transformer为主干，向其中引入通道注意力机制进行偏置归纳，并且通道注意力可以与Transformer网络中的层注意力一起构建空间注意力；重建模块利用反卷积层将特征提取模块提取到的特征重建为高分辨率三维流场；短残差连接和全局残差连接用于加速模型收敛。此外，构建流场特性更接近真实实验测量的三维流场超分辨率数据集。训练阶段，针对三维流场添加物理约束，使用基于涡量加权的L1损失、散度损失、涡量损失以及动量损失组合而成的损失函数引导模型训练，从而实现高分辨率三维流场的精确重建。
-
公开(公告)号：CN117635585A
公开(公告)日：2024-03-01
申请号：CN202311663492.8
申请日：2023-12-06
Applicant: 华中科技大学
IPC: G06T7/00 , G06V10/80 , G06V10/52 , G06V10/44 , G06V10/82 , G06V10/26 , G06N3/0464 , G06N3/0455 , G06N3/096 , G06N3/048
Abstract: 本发明属于图像处理领域，具体涉及一种基于教师‑学生网络的纹理表面缺陷检测方法，采用基于纹理表面缺陷图像所训练的包括学生网络和双分支解码模块的缺陷检测模型实现，包括：采用预训练教师网络以及学生网络分别对待检测图像编码；采用双分支解码模块，对由学生网络得到的多尺度特征中最深层尺度特征进行语义分割和特征恢复，对应得到缺陷分割图像以及与由教师网络所得到的多尺度特征具有相同多尺度的伪正常特征；计算每个尺度下的伪正常特征与由教师网络所得到的特征间的余弦相似度，以构建全局异常分数图；将缺陷分割图像和全局异常分数图进行融合，得到检测结果图像，完成缺陷检测。本发明针对复杂工业环境下各类纹理缺陷都能实现精确检测。
-
公开(公告)号：CN114670549B
公开(公告)日：2023-01-06
申请号：CN202210313108.0
申请日：2022-03-28
Applicant: 华中科技大学
Abstract: 本发明属于喷印显示技术相关领域，并公开了一种柔性显示多层结构功能层喷印制备方法和系统，包括液滴飞行与沉积视觉检测模块、液滴融合测量模块、箱体和支撑模块、第一喷射与控制模块、第二喷射和控制模块，并通过多个模块的设计配合来实现液滴飞行沉积动态过程观测、液滴融合测量、各功能层厚度测量等操作，充分利用不同关键模块的采集数据，实现柔性显示多层结构功能层制备的闭环控制。通过本发明，可有效探究液滴飞行过程机理、液滴动态沉积过程机理，以及液滴融合体积的测量，功能层膜厚测量，实现对液滴全生命周期的完整监控，完成对不同喷射模块的工艺流程的高效控制，显著提高了柔性显示多层结构件产品的质量和生产制备良品率。
-
Patent Agency Ranking
公开(公告)号：CN115564749A
公开(公告)日：2023-01-03
申请号：CN202211294135.4
申请日：2022-10-21
Applicant: 华中科技大学
Abstract: 本发明属于图像处理领域，并公开了一种基于终身学习的多类别纹理表面缺陷检测模型的构建方法。整个模型以新提出的自适应卷积/反卷积模块为基础模块，具体地，自适应卷积/反卷积模块为每个类别设置独立的卷积核/反卷积核掩膜，用于分配权重衡量模型参数与当前训练类别的相关性，并通过卷积核/反卷积核掩膜设置参数剪枝和冷冻操作，参数剪枝保证了模型在后续类别训练时，仍然有足够多的参数可以用于新类别的训练，从而更好地拟合新任务；参数冷冻保证了模型在已训练类别上的知识记忆，允许相似类别的模型参数重叠，在旧任务测试时仍然具备较高的精度。从而，使模型具备终身学习的能力，实现单个模型的多类别纹理表面缺陷检测。
-
公开(公告)号：CN114972216A
公开(公告)日：2022-08-30
申请号：CN202210507405.9
申请日：2022-05-10
Applicant: 华中科技大学
Abstract: 本发明属于图像处理领域，并公开了一种纹理表面缺陷检测模型的构建方法及其应用。本发明构建的检测模型除了包括常规的特征提取模块和分割模块，还包括两个新提出的模块：特征分离提取模块和全局语义关系模块。通过特征分离提取模块将纹理语义信息和缺陷语义信息从初步提取到的特征中分解出来，避免这两类语义信息耦合在一起对最终的分割产生不良影响；同时利用全局语义关系模块在特征分离提取后，建立全局语义信息相关关系，捕获全局上下文信息，以此增强纹理特征和缺陷特征的表达能力。进行检测时，只需将纹理分割结果和缺陷分割结果进行加权平均，即可检测出缺陷。如此，对不同纹理表面上的不同大小、不同对比度的缺陷有较高的分割精度。
-
公开(公告)号：CN114670549A
公开(公告)日：2022-06-28
申请号：CN202210313108.0
申请日：2022-03-28
Applicant: 华中科技大学
Abstract: 本发明属于喷印显示技术相关领域，并公开了一种柔性显示多层结构功能层喷印制备方法和系统，包括液滴飞行与沉积视觉检测模块、液滴融合测量模块、箱体和支撑模块、第一喷射与控制模块、第二喷射和控制模块，并通过多个模块的设计配合来实现液滴飞行沉积动态过程观测、液滴融合测量、各功能层厚度测量等操作，充分利用不同关键模块的采集数据，实现柔性显示多层结构功能层制备的闭环控制。通过本发明，可有效探究液滴飞行过程机理、液滴动态沉积过程机理，以及液滴融合体积的测量，功能层膜厚测量，实现对液滴全生命周期的完整监控，完成对不同喷射模块的工艺流程的高效控制，显著提高了柔性显示多层结构件产品的质量和生产制备良品率。
-
公开(公告)号：CN113093454B
公开(公告)日：2022-05-20
申请号：CN202110327082.0
申请日：2021-03-26
Applicant: 华中科技大学
Abstract: 本发明公开了一种图像采集系统以及具有该图像采集系统的成像设备，该图像采集系统包括：反射单元，所述反射单元活动设置，以沿椭圆形轨迹运动，所述反射单元的反射面与待成像件的待成像面相对设置，用于形成所述待成像件的镜像图像；图像获取单元，所述图像获取单元的镜头朝向所述反射单元的反射面，用于获取所述镜像图像；其中，所述图像获取单元的的中心位于所述椭圆的一焦点位置，所述待成像面的中心位于所述椭圆的另一焦点位置。本发明的图像采集系统以及具有该图像采集系统的成像设备，结构简单，便于高效实现多角度图像采集。
-
公开(公告)号：CN112819039A
公开(公告)日：2021-05-18
申请号：CN202110047823.X
申请日：2021-01-14
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多尺度集成特征编码的纹理识别模型建立方法及应用，属于图像处理领域，模型建立方法包括：建立先验引导特征提取网络、特征融合网络、多尺度编码网络和多尺度集成学习网络，依次连接各网络后进行训练，得到纹理识别模型；模型中各网络依次用于：首先，利用纹理先验信息提取对纹理结构表达能力较强的卷积特征；其次，将深层特征与浅层特征融合，得到多尺度强语义信息特征；接着，对各尺度的特征进行编码，得到对异常点鲁棒的全局纹理特征；最后，利用得到的多尺度全局纹理特征进行集成学习，实现多尺度纹理的鲁棒识别。本发明能够有效提高在复杂背景干扰及大尺度变化情况下的纹理识别结果鲁棒性和准确性。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.032 seconds)
